CN116625354A - 一种基于多源测绘数据的高精度地形图生成方法及*** - Google Patents
一种基于多源测绘数据的高精度地形图生成方法及*** Download PDFInfo
- Publication number
- CN116625354A CN116625354A CN202310896442.8A CN202310896442A CN116625354A CN 116625354 A CN116625354 A CN 116625354A CN 202310896442 A CN202310896442 A CN 202310896442A CN 116625354 A CN116625354 A CN 116625354A
- Authority
- CN
- China
- Prior art keywords
- precision
- data
- laser radar
- image
- satellite
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 91
- 238000013507 mapping Methods 0.000 title claims abstract description 68
- 238000011156 evaluation Methods 0.000 claims abstract description 121
- 238000012545 processing Methods 0.000 claims abstract description 78
- 238000007405 data analysis Methods 0.000 claims abstract description 51
- 230000008569 process Effects 0.000 claims abstract description 45
- 238000000605 extraction Methods 0.000 claims abstract description 23
- 230000004927 fusion Effects 0.000 claims abstract description 11
- 230000010354 integration Effects 0.000 claims abstract description 11
- 238000012876 topography Methods 0.000 claims description 50
- 230000000087 stabilizing effect Effects 0.000 claims description 30
- 230000005540 biological transmission Effects 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims description 26
- 238000004458 analytical method Methods 0.000 claims description 17
- BULVZWIRKLYCBC-UHFFFAOYSA-N phorate Chemical compound CCOP(=S)(OCC)SCSCC BULVZWIRKLYCBC-UHFFFAOYSA-N 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000003384 imaging method Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 5
- 238000009499 grossing Methods 0.000 claims description 4
- 230000006641 stabilisation Effects 0.000 claims description 3
- 238000011105 stabilization Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 description 29
- 230000000007 visual effect Effects 0.000 description 14
- 230000008859 change Effects 0.000 description 9
- 238000010276 construction Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 8
- 238000012732 spatial analysis Methods 0.000 description 6
- 238000004164 analytical calibration Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000013144 data compression Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000007635 classification algorithm Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3841—Data obtained from two or more sources, e.g. probe vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Image Processing (AREA)
Abstract
本发明涉及高精度地形图生成技术领域,尤其涉及一种基于多源测绘数据的高精度地形图生成方法及***:通过采集测绘过程中的不同精度影响参数,包括卫星图像、航空摄影图像、激光雷达数据精度影响参数,并进一步数据分析处理,生成不同精度评价指数,并通过不同精度评价指数与不同精度评估阈值进行比对,判断所获取的不同数据源是否可信:若全部精度评价指数均在精度评估阈值范围内,表示测绘过程中所获取的数据源全部可信,并进行特征提取、整合和融合,生成高精度地形图。本发明方法显著提高地形图的水平精度、轮廓精度、高程精度,使地形图的精度得到全方位提升,避免生成低精度地形图的错误生成,同时,便于工作人员的实时调试、检修。
Description
技术领域
本发明涉及高精度地形图生成技术领域,尤其涉及一种基于多源测绘数据的高精度地形图生成方法及***。
背景技术
地形图指的是地表起伏形态和地理位置、形状在水平面上的投影图,具体来讲,将地面上的地物和地貌按水平投影的方法(沿铅垂线方向投影到水平面上),并按一定的比例尺缩绘到图纸上,这种图称为地形图。由于制图的区域范围比较小,因此,地形图能比较精确而详细地表示地面地貌水文、地形、土壤、植被等自然地理要素,以及居民点、交通线、境界线、工程建筑等社会经济要素,是经济建设、国防建设和科学研究中不可缺少的工具,也是编制各种小比例尺普遍地图、专题地图和地图集的基础资料。地形图的地表特征数据通常需要借助航拍摄像机、卫星遥感***、激光雷达***等进行测绘,因此,在测绘过程中,卫星遥感图像相关参数、激光雷达相关测量数据和航空摄影相关测量数据均会对地形图的精度造成影响。
为了不断优化地形图或地图功能,各类地形图或地图智能化生成方法应运而生。如申请号为CN201910156262.X的发明专利,公开生成高精度地图的方法和装置,从相机获取图片数据;从激光雷达获取点云数据;从全球导航卫星***GNSS/惯性测量单元IMU获取姿态信息;对所述图片数据进行处理以提取视觉特征信息,根据当前帧提取的所述视觉特征信息、先前融合的整体姿态信息以及先前维护的地图视觉特征信息进行姿态估计以获得相机姿态估计;对所述点云数据进行处理以获得点云信息,并根据所述点云信息与其它信息进行姿态估计以获得雷达姿态估计;将所述姿态信息、所述相机姿态估计和所述雷达姿态估计进行融合,以获得更准确稳定的姿态估计结果;根据所述更准确稳定的姿态估计结果,将所述图片数据和所述点云数据进行融合,构建高精度地图。如申请号为CN202210677302.7 的发明专利,公开一种地形图测绘方法、装置、设备及存储介质,公开基于待测绘区域的历史地理数据,通过预设的检查方法,将所述历史地理数据与预设的所述待测绘区域的实景三维模型进行对比分析,获得满足预设精度要求的参考地理数据;根据在所述实景三维模型中识别到的地形要素和地物要素、所述参考地理数据,确定所述地形要素和所述地物要素的位置信息,并根据所述地形要素和所述地物要素的位置信息生成所述待测绘区域的初始绘制地形图;当所述实景三维模型中存在无法被识别的地物时,基于预先获取的所述地物在不同视角下的影像,采用多片前方交会算法确定所述地物的位置信息,并根据所述地物的位置信息在所述初始绘制地形图上进行补充绘制,生成补充绘制地形图;基于预先获取的所述待测绘区域的点云数据,对所述实景三维模型中不同位置的高程数据进行提取,并根据提取的高程数据,在所述补充绘制地形图中生成高程点和等高线,获得所述待测绘区域的目标地形图。
但是,上述地形图生成方法均不能规避在航拍摄像机、卫星遥感***、激光雷达***等在测绘过程中对地形图的精度误差。
发明内容
有鉴于此,本发明的目的在于提出一种基于多源测绘数据的高精度地形图生成方法及***,以克服现有技术在航拍摄像机、卫星遥感***、激光雷达***等在测绘过程中对地形图的精度误差。
基于上述目的,本发明提供一种基于多源测绘数据的高精度地形图生成方法,通过采集测绘过程中的不同精度影响参数,包括卫星图像精度影响参数、航空摄影图像精度影响参数、激光雷达数据精度影响参数,并进一步数据分析处理,生成卫星图像精度评价指数、航空摄影精度评价指数、激光雷达精度评价指数,并通过不同精度评价指数与不同精度评估阈值进行比对,判断所获取的卫星图像、航空摄影图像、激光雷达数据是否可信:若全部精度评价指数均在精度评估阈值范围内,表示测绘过程中所获取的图像及数据信息全部可信,并对不同数据源(卫星图像、航空摄影图像、激光雷达数据)进行特征提取、整合和融合,生成基于多源测绘数据的高精度地形图;其他情况,则表示测绘过程中所获取的图像及数据信息并非全部可信,并根据不在精度评估阈值范围内的精度评价指数,发出不同的预警信号。
进一步地,该基于多源测绘数据的高精度地形图生成方法,包括以下步骤:
S1:采集卫星图像精度影响参数:在卫星遥感监测过程中,获取卫星图像的分辨率稳定系数REWx,以及卫星链路带宽稳定系数DKWx,具体如下:
分辨率稳定性指的是卫星在不同时间拍摄的图像中,其分辨率的一致性和可重复性,如果卫星图像的分辨率在不同时间下保持稳定,表明卫星图像准确度高,从而得到高精度的地形图。影响卫星图像分辨率稳定性的因素主要包括以下几点:
卫星平台稳定性:卫星平台的稳定性对于图像分辨率稳定性至关重要。如果卫星受到过多的振动、摆动或其他不稳定因素的干扰,图像分辨率可能会受到影响。
大气条件:大气对于卫星图像的质量和分辨率也会产生一定的影响,大气散射、吸收和折射导致光线在传输过程中发生变化,从而降低了图像的清晰度和分辨率。不同的大气条件,如大气湍流和大气层的温度、湿度变化等,都可能影响图像的分辨率稳定性。
卫星运行轨道:卫星的运行轨道也会对图像分辨率稳定性产生影响,低地球轨道(LEO)卫星通常具有更高的分辨率,但其轨道周期较短,可能导致观测到的同一地区的图像具有不同的观测几何条件。
卫星成像参数:卫星成像的参数设置也会对图像分辨率稳定性产生影响,例如,曝光时间、增益设置、滤光器选择等参数会影响图像的质量和分辨率稳定性。
卫星图像的分辨率稳定性对地形图精度的影响包括以下几个方面:
边界和线条的一致性:如果卫星图像的分辨率稳定性不高,同一条线或边界在不同的图像中可能会出现细微的变化,这会导致地形图中的边界线条不连贯或模糊,降低地形图的精度;
物体识别和分类:如果分辨率稳定性差,同一物体在不同的图像中可能会显示出差异,使得地形图中物体的识别和分类变得困难,降低了地形图的精度;
空间分析和测量:分辨率稳定性对于进行空间分析和测量非常重要,如果卫星图像的分辨率在不同时间点有较大偏差,地形图中的距离、面积和方向等基本测量参数将受到影响,导致地形图中的空间分析结果不准确。
因此,为了生成精确的地形图,需要保持卫星图像的分辨率的一致性和连贯性。
S11:卫星图像的分辨率稳定系数REWx的获取方式为:
S111:获取T时间内不同时段的卫星图像的分辨率,t表示T时间内不同时段的网络传输速率的编号,t=1、2、3、4、……、n,n为正整数;
需要说明的是,卫星图像的分辨率可通过图像编辑软件或专用的图像属性查看器进行读取;
S112:通过T时间内不同时段的卫星图像的分辨率计算卫星图像的分辨率稳定系数REWx,计算公式如下:
。
卫星链路带宽稳定性对于卫星图像的精度具有重要影响,以下是一些可能的影响:
图像传输速度:卫星链路的带宽稳定性直接影响图像传输的速度,如果带宽不稳定,传输过程可能会受到延迟或中断的影响,从而导致图像传输变慢或失败,这可能会导致图像数据的丢失或不完整,降低了图像的精度和质量;
压缩率和数据丢失:为了适应有限的带宽,卫星图像在传输之前通常需要进行数据压缩,带宽稳定性的变化可能会导致图像数据压缩率的变化,使得一些重要的细节在传输过程中丢失,这可能导致图像精度的下降,特别是在需要高分辨率和高质量图像的应用中;
图像处理和分析:卫星图像通常需要进行进一步的处理和分析,以提取有用的信息,例如,遥感图像可能需要进行地物分类、目标检测和变化检测等分析,带宽稳定性的问题可能导致图像数据在处理和分析过程中的丢失或错误,这可能会对图像分析和应用的准确性和可靠性产生负面影响;
实时应用分析:带宽稳定性的变化可能导致数据传输和处理时间的增加,从而降低了实时应用的准确性和效率。
因此,卫星链路的带宽稳定性对于卫星图像的精度和可靠性具有关键影响。稳定的带宽可以确保图像传输的顺利进行,并保证图像数据的完整性和质量,从而提高图像的精度和适用性。
S12:卫星链路带宽稳定系数DKWx的获取方式为:
S121:获取T时间内不同时段的卫星链路带宽,t表示T时间内不同时段的网络传输速率的编号,t=1、2、3、4、……、n,n为正整数;
需要说明的是,使用网络性能测试工具可以测量卫星链路上的带宽,这些工具可以通过发送和接收数据包来评估链路的传输速度,常用的网络性能测试工具包括iPerf、Speedtest等;或者,使用网络协议分析器(例如Wireshark)捕获和分析卫星链路上的网络流量,通过分析流量确定链路上的实际传输速率和带宽利用情况;
S122:通过T时间内不同时段的卫星链路带宽计算卫星链路带宽稳定系数DKWx,计算公式如下:
。
S2:采集航空摄影图像精度影响参数:在无人机大范围航空摄影过程中,获取航拍摄像机的帧率稳定系数HZWx、锐度稳定系数HRWx,具体如下:
帧率是指每秒钟显示的图像帧数,决定了摄像机在单位时间内拍摄到的图像数量,在航拍地形图生成中,帧率稳定性的影响主要有两个方面:
角度偏差:帧率不稳定的摄像机可能在连续帧之间存在不同程度的视角偏移,这种视角偏移可能导致图像畸变,使地形图在特定区域或特定角度下存在误差,稳定帧率的摄像机可以减少这种角度偏差,提供更准确的图像数据;
数据处理:帧率低且不稳定的摄像机可能导致数据处理和图像拼接方面的挑战,对于航拍影像,通常需要对连续的图像进行拼接以生成完整的地形图,不稳定的帧率可能导致图像拼接过程中的不连贯或畸变现象,从而影响拼接的准确性和结果的质量。
因此,对于地形图精度而言,航拍摄像机的帧率稳定性至关重要,高稳定的帧率可以提供更多的空间和时间信息,从而提高地形图的空间分辨率、时序分辨率和整体精度。
S21:航拍摄像机的帧率稳定系数HZWx的获取方式为:
S211:获取T时间内不同时段的航拍摄像机帧率,t表示T时间内不同时段的航拍摄像机帧率的编号,t=1、2、3、4、……、n,n为正整数;
S212:计算T时间内不同时段的航拍摄像机帧率的平均值,计算公式如下:
;
S213:根据T时间内不同时段的航拍摄像机帧率的平均值以及航拍摄像头帧率计算帧率稳定系数HZWx,计算公式如下:
。
航拍摄像机的锐度稳定性对所生成的地形图有着重要的影响:
地形图细节:摄像机的锐度稳定性决定了图像的清晰度和细节丰富度,如果摄像机锐度稳定性较差,可能导致图像模糊或失真,从而降低地形图的清晰度和细节水平,会影响地形图中物体的识别、分类和测量等操作,可能导致地形图的精度下降;
特征提取和匹配:在地形图生成过程中,通常需要对图像进行特征提取和匹配,以识别地物、进行配准等,摄像机的锐度稳定性直接影响这些特征提取和匹配的质量,如果摄像机锐度稳定性较差,图像中的特征可能模糊或不清晰,导致特征提取和匹配的准确性下降,进而影响地形图的精度;
视觉重建:航拍图像通常用于进行三维视觉重建,生成地形图的三维模型或点云数据,摄像机的锐度稳定性对于视觉重建的精度和质量至关重要,如果摄像机的锐度稳定性较差,可能导致视觉重建过程中的图像对齐不准确,重建结果可能存在误差或模糊现象,影响地形图的准确性和真实性;
视觉测量:地形图中的测量任务,如距离测量、面积测量等,也受到摄像机的锐度稳定性的影响,稳定的图像能够提供更准确的测量结果,而模糊或失真的图像则会导致测量误差增加;
因此,航拍摄像机的锐度稳定性对于生成高精度地形图至关重要,稳定的图像质量能提供清晰、准确的数据,有助于更精确地进行地形图构建、分析和应用。
S22:航拍摄像机的锐度稳定系数HRWx的获取方式为:
S221:获取T时间内不同时段的航拍摄像机锐度,t表示T时间内不同时段的摄像锐度的编号,t=1、2、3、4、……、n,n为正整数;
S222:计算T时间内不同时段的航拍摄像机锐度平均值,计算公式如下:
;
S223:根据T时间内不同时段的航拍摄像机锐度平均值以及航拍摄像机锐度计算锐度稳定系数HRWx,计算公式如下:
。
S3:采集激光雷达数据精度影响参数:在激光雷达采集数据过程中,获取激光雷达的角分辨率稳定系数JFWx、扫描频率稳定系数SPWx,具体如下:
激光雷达的角分辨率稳定性对所生成的地形图精度有着重要的影响,角分辨率是指激光雷达能够分辨两个目标之间的最小角度差异,其稳定性则表示这个角度分辨率的值在各种情况下能够保持相对一致和可靠。当激光雷达的角分辨率稳定性较高时,意味着它能够更准确地分辨目标之间的微小角度差异,这对于建立高精度的地形图非常重要。如果角度分辨率稳定性较差,意味着激光雷达在不同条件下可能会出现分辨率的变化,导致生成的地形图精度下降。高角分辨率稳定性的激光雷达能够更准确地捕捉目标的细节和几何形状,从而生成更准确的地形图,例如,在构建三维地形图时,高角分辨率稳定性的激光雷达可以更精确地确定物体的边界和形状。此外,激光雷达的角度分辨率稳定性还会影响其在时间轴上的连续性,如果稳定性较低,角度分辨率可能会随时间产生变化,导致地形图的不连续或不一致性。
因此,激光雷达的角分辨率稳定性对于所生成的地形图精度具有重要影响,稳定性较高的角分辨率有助于提高地形图的精确性、一致性和连续性,这是激光雷达技术在各种应用中取得高精度地形图的关键因素之一。
S31:激光雷达的角分辨率稳定系数JFWx的获取方式为:
S311:获取T时间内不同时段的激光雷达的角分辨率,t表示T时间内不同时段的激光雷达的角分辨率的编号,t=1、2、3、4、……、n,n为正整数;
需要说明的是,激光雷达的角分辨率测定通常需要进行仪器校准和实验验证,以下为常见测定方法:
仪器校准:在进行角分辨率测定之前,首先需要对激光雷达进行校准,以确保其内部的参数和设置是准确的。这包括激光发射器、探测器和相关的电子设备的校准;
角度目标设置:根据需要测定的角分辨率范围,选择一个恰当的目标(目标可以是一个反射物体、一根棍子或者具有一定几何形状的物体),并将其放置在与激光雷达的测量平面上;
测量数据采集:使用激光雷达设备进行测量,将激光雷达调整到所需的扫描模式和角度范围,确保激光束能够覆盖目标区域,以所需的间隔采集激光雷达返回的数据,包括雷达返回的目标强度和位置信息;
数据处理:对采集到的数据进行处理以获得目标位置的角度信息,可以使用信号处理方法,如卷积、傅里叶变换或相关分析,以提取出目标的角度信息;
角分辨率计算:根据采集到的数据和数据处理结果,计算出激光雷达***的角分辨率;
S312:计算T时间内不同时段的激光雷达角分辨率的平均值,计算公式如下:
;
S313:根据T时间内不同时段的激光雷达角分辨率的平均值以及激光雷达角分辨率/>计算角分辨率稳定系数JFWx,计算公式如下:
。
在激光雷达中,扫描频率是指每秒钟进行激光束扫描的次数。扫描频率的稳定性对所生成的地形图精度有重要影响,以下是其影响的几个方面:
点云分辨率:扫描频率的稳定性直接关系到激光雷达采集的点云数据的分辨率。较高的扫描频率能够更快地采集到大量的点云数据,从而获得更为细致、精确的地形图细节信息。
地形图配准准确性:在建立地形图时,需要将多次扫描的点云数据进行配准,即将它们在空间中对齐。如果扫描频率不稳定,可能导致点云数据之间的时间差异增大,从而增加了配准的误差。稳定的扫描频率能够减小时间差异,提高地形图的配准准确性。
运动畸变:激光雷达通常安装在机器人或车辆上进行地形图构建,高稳定性的扫描频率可以减小运动带来的畸变影响。当扫描频率稳定时,采集到的点云数据在时间上更为均匀分布,可以更准确地还原出环境的几何结构。
障碍物检测和跟踪:稳定的扫描频率使得激光雷达能够更好地检测和跟踪移动障碍物。通过连续、稳定的扫描能够捕捉到障碍物的运动轨迹和变化,在机器人导航和避障等应用中具有重要作用。
因此,激光雷达中扫描频率的稳定性直接关系到地形图构建的精度和质量,稳定的扫描频率能够提高点云数据的分辨率、减小配准误差、减小运动畸变影响,并有助于障碍物的检测和跟踪。
S32:激光雷达的扫描频率稳定系数的获取方式为:
S321:获取T时间内不同时段的激光雷达的扫描频率,t表示T时间内不同时段的激光雷达的角分辨率的编号,t=1、2、3、4、……、n,n为正整数;
需要说明的是,扫描频率可通过如下几种方法进行测定:
观察点云数据:使用激光雷达获取点云数据,然后通过分析数据来计算扫描频率。激光雷达在进行扫描时会发射多个激光束,这些激光束在不同的时间点被反射回来,形成点云数据。通过分析点云数据中的时间戳信息,选择一个参考点或目标,观察它在点云中的多个位置,计算这些位置之间距离变化所需要的时间,然后通过测得的时间差来计算扫描频率。
或者使用外部传感器:通过使用外部传感器来测量激光雷达的扫描频率。例如,可以使用一个光敏电阻或光电传感器来检测激光束经过传感器的次数,将外部传感器与激光雷达同步,并记录传感器接收到的信号,可计算出扫描频率。
S322:计算T时间内不同时段的激光雷达扫描频率的平均值,计算公式如下:
;
S323:根据T时间内不同时段的激光雷达扫描频率的平均值以及激光雷达扫描频率/>计算扫描频率稳定系数SPWx,计算公式如下:
。
S4:对S1所获取的获取卫星图像的分辨率稳定系数REWx,以及卫星链路带宽稳定系数DKWx进行数据分析处理,生成卫星图像精度评价指数WTJp。
S5:对S2所获取的航拍摄像机的帧率稳定系数HZWx、锐度稳定系数HRWx进行数据分析处理,生成航空摄影精度评价指数HSJp。
S6:对S3所获取的激光雷达的角分辨率稳定系数JFWx、扫描频率稳定系数SPWx进行数据分析处理,生成激光雷达精度评价指数LDJp。
S7:通过所生成卫星图像精度评价指数WTJp、航空摄影精度评价指数HSJp、激光雷达精度评价指数LDJp分别与卫星图像精度评估阈值YWTJ、航空摄影精度评估阈值YHSJ、激光雷达精度评估阈值YLDJ进行对比,判断所获取的卫星图像、航空摄影图像、激光雷达数据是否可信:若全部精度评价指数均在精度评估阈值范围内,表示测绘过程中所获取的图像及数据信息全部可信,并对不同数据源(卫星图像、航空摄影图像、激光雷达数据)进行特征提取、整合和融合,生成基于多源测绘数据的高精度地形图;其他情况,则表示测绘过程中所获取的图像及数据信息并非全部可信,并根据不在精度评估阈值范围内的精度评价指数,发出不同的预警信号。
进一步地,S4:对S1所获取的获取卫星图像的分辨率稳定系数REWx,以及卫星链路带宽稳定系数DKWx进行数据分析处理,生成卫星图像精度评价指数WTJp,依据的计算公式如下:
;
需要说明的是,上式中,e1、e2分别为卫星图像的分辨率稳定系数REWx、卫星链路带宽稳定系数DKWx的预设比例系数,且>/>>0,e1+e2=1.63,C1为常数修正系数。
进一步地,S5:对S2所获取的航拍摄像机的帧率稳定系数HZWx、锐度稳定系数HRWx进行数据分析处理,生成航空摄影精度评价指数HSJp,依据的计算公式如下:
;
需要说明的是,上式中,f1、f2分别为航拍摄像机的帧率稳定系数HZWx、航拍摄像机的锐度稳定系数HRWx的预设比例系数,且>/>>0,f1+f2=1.27,C2为常数修正系数。
进一步地,S6:对S3所获取的激光雷达的角分辨率稳定系数JFWx、扫描频率稳定系数SPWx进行数据分析处理,生成激光雷达精度评价指数LDJp,依据的计算公式如下:
;
需要说明的是,上式中,g1、g2分别为激光雷达的角分辨率稳定系数JFWx,激光雷达的扫描频率稳定系数SPWx的预设比例系数,且0<g2<g1≤1.15。
进一步地,当WTJp≤YWTJ且HSJp≤YHSJ且YWTJ≤YLDJ时,说明所获取的卫星图像、航空摄影图像、激光雷达数据等数据信息全部可信,进一步对所获取的不同数据源进行特征提取:对于卫星图像,可以使用遥感图像分类算法来提取不同地物类型(如道路、建筑物、植被等)的信息,对于航空摄影图像,可以使用影像匹配和视差算法提取地物高程信息,对于激光雷达数据,可以利用其点云信息提取地物三维坐标和高程;将所提取的卫星图像、航空摄影图像、激光雷达数据不同数据源的特征信息进行整合和融合:可使用地形图配准算法将不同数据源的地理坐标转换为统一的参考坐标系,然后,将各个数据源的特征信息进行叠加和组合,生成一幅包含多种地物类型和高程信息的综合地形图;最后,对生成的综合地形图进行边缘平滑处理,并填充空白区域、去除重叠信息,获得基于多源测绘数据的高精度地形图。
进一步地,当WTJp>YWTJ或者/和HSJp>YHSJ或者/和YWTJ>YLDJ时,说明所获取的卫星图像或者/和航空摄影图像或者/和激光雷达数据不可信,并发送至预警模块,发出卫星图像风险信号或者/和航空摄影图像风险信号或者/和激光雷达数据风险信号,以便于工作人员对卫星遥感***或者/和航拍摄像机或者/和激光雷达***进行实时调试、检修。例如:当WTJp>YWTJ而HSJp≤YHSJ与YWTJ≤YLDJ时,说明所获取的卫星图像不可信,而航空摄影图像和激光雷达数据可信,并发送反馈至预警模块,发出卫星图像风险信号,以便于工作人员对卫星遥感***进行实时调试、检修。又例如:当WTJp>YWTJ和HSJp>YHSJ和YWTJ>YLDJ时,说明所获取的卫星图像和航空摄影图像和激光雷达数据全部不可信,并发送反馈至预警模块,发出卫星图像风险信号和航空摄影图像风险信号和激光雷达数据风险信号,以便于工作人员对卫星遥感***以及航拍摄像机或者以及激光雷达***进行实时调试、检修。
本发明进一步提供基于多源测绘数据的高精度地形图生成***,包括:
卫星图像精度影响参数采集模块,用于获取卫星图像的分辨率稳定系数REWx,以及卫星链路带宽稳定系数DKWx;
航空摄影图像精度影响参数采集模块,用于获取航拍摄像机的帧率稳定系数HZWx、锐度稳定系数HRWx;
激光雷达数据精度影响参数采集模块,用于获取激光雷达的角分辨率稳定系数JFWx、扫描频率稳定系数SPWx;
数据分析处理模块,包括第一数据分析处理模块、第二数据分析处理模块、第三数据分析处理模块;其中,第一数据分析处理模块对卫星图像精度影响参数采集模块所获取的卫星图像的分辨率稳定系数REW以及卫星链路带宽稳定系数DKWx进行数据分析处理,生成卫星图像精度评价指数WTJp;第二数据分析处理模块对航空摄影图像精度影响参数采集模块所获取的航拍摄像机的帧率稳定系数HZWx、锐度稳定系数HRWx进行数据分析处理,生成航空摄影精度评价指数HSJp;第三数据分析处理模块对激光雷达数据精度影响参数采集模块所获取的激光雷达的角分辨率稳定系数JFWx、扫描频率稳定系数SPWx进行数据分析处理,生成激光雷达精度评价指数LDJp;
综合分析处理模块,通过数据分析处理模块所生成卫星图像精度评价指数WTJp、航空摄影精度评价指数HSJp、激光雷达精度评价指数LDJp分别与卫星图像精度评估阈值YWTJ、航空摄影精度评估阈值YHSJ、激光雷达精度评估阈值YLDJ进行对比,判断所获取的卫星图像、航空摄影图像、激光雷达数据是否可信:若全部精度评价指数均在精度评估阈值范围内,表示测绘过程中所获取的图像及数据信息全部可信,并对不同数据源(卫星图像、航空摄影图像、激光雷达数据)进行特征提取、整合和融合,生成基于多源测绘数据的高精度地形图;其他情况,则表示测绘过程中所获取的图像及数据信息并非全部可信,并发送至预警模块;
预警模块,根据不在精度评估阈值范围内的精度评价指数,发出不同的预警信号。
本发明的有益效果:
本发明首次通过在卫星遥感监测过程中获取卫星图像的分辨率稳定系数、卫星链路带宽稳定系数,以及在无人机大范围航空摄影过程中获取航拍摄像机的帧率稳定系数、锐度稳定系数,以及在激光雷达采集数据过程中获取激光雷达的角分辨率稳定系数、扫描频率稳定系数,并进一步生成卫星图像精度评价指数、航空摄影精度评价指数、激光雷达精度评价指数,通过不同精度评价指数与不同精度评估阈值进行比对,确定卫星图像、航空摄影图像、激光雷达数据信息的可信度,当所有数据源全部可信时,汇总生成地形图,进而显著提高地形图的水平精度、轮廓精度、高程精度,使地形图的精度得到全方位提升。
同时,对于不可信的数据源,发出不同风险信号(卫星图像或者/和航空摄影图像或者/和激光雷达数据风险信号),避免生成低精度地形图的错误生成,同时,便于工作人员对卫星遥感***或者/和航拍摄像机或者/和激光雷达***进行实时调试、检修,快速排查出在测绘过程中导致地形图的精度误差的原因,有利于后续测绘数据精准度地提高以及后续重新生成的地形图精度地提高。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明基于多源测绘数据的高精度地形图生成方法流程图;
图2为本发明基于多源测绘数据的高精度地形图生成***模块单元图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,对本发明进一步详细说明。
需要说明的是,除非另外定义,本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。
本发明提供一实施例的基于多源测绘数据的高精度地形图生成方法,通过采集测绘过程中的不同精度影响参数,包括卫星图像精度影响参数、航空摄影图像精度影响参数、激光雷达数据精度影响参数,并进一步数据分析处理,生成卫星图像精度评价指数、航空摄影精度评价指数、激光雷达精度评价指数,并通过不同精度评价指数与不同精度评估阈值进行比对,判断所获取的卫星图像、航空摄影图像、激光雷达数据是否可信:若全部精度评价指数均在精度评估阈值范围内,表示测绘过程中所获取的图像及数据信息全部可信,并对不同数据源(卫星图像、航空摄影图像、激光雷达数据)进行特征提取、整合和融合,生成基于多源测绘数据的高精度地形图;其他情况,则表示测绘过程中所获取的图像及数据信息并非全部可信,并根据不在精度评估阈值范围内的精度评价指数,发出不同的预警信号;包括以下步骤:
S1:采集卫星图像精度影响参数:在卫星遥感监测过程中,获取卫星图像的分辨率稳定系数REWx,以及卫星链路带宽稳定系数DKWx,具体如下:
分辨率稳定性指的是卫星在不同时间拍摄的图像中,其分辨率的一致性和可重复性,如果卫星图像的分辨率在不同时间下保持稳定,表明卫星图像准确度高,从而得到高精度的地形图。影响卫星图像分辨率稳定性的因素主要包括以下几点:
卫星平台稳定性:卫星平台的稳定性对于图像分辨率稳定性至关重要。如果卫星受到过多的振动、摆动或其他不稳定因素的干扰,图像分辨率可能会受到影响。
大气条件:大气对于卫星图像的质量和分辨率也会产生一定的影响,大气散射、吸收和折射导致光线在传输过程中发生变化,从而降低了图像的清晰度和分辨率。不同的大气条件,如大气湍流和大气层的温度、湿度变化等,都可能影响图像的分辨率稳定性。
卫星运行轨道:卫星的运行轨道也会对图像分辨率稳定性产生影响,低地球轨道(LEO)卫星通常具有更高的分辨率,但其轨道周期较短,可能导致观测到的同一地区的图像具有不同的观测几何条件。
卫星成像参数:卫星成像的参数设置也会对图像分辨率稳定性产生影响,例如,曝光时间、增益设置、滤光器选择等参数会影响图像的质量和分辨率稳定性。
卫星图像的分辨率稳定性对地形图精度的影响包括以下几个方面:
边界和线条的一致性:如果卫星图像的分辨率稳定性不高,同一条线或边界在不同的图像中可能会出现细微的变化,这会导致地形图中的边界线条不连贯或模糊,降低地形图的精度;
物体识别和分类:如果分辨率稳定性差,同一物体在不同的图像中可能会显示出差异,使得地形图中物体的识别和分类变得困难,降低了地形图的精度;
空间分析和测量:分辨率稳定性对于进行空间分析和测量非常重要,如果卫星图像的分辨率在不同时间点有较大偏差,地形图中的距离、面积和方向等基本测量参数将受到影响,导致地形图中的空间分析结果不准确。
因此,为了生成精确的地形图,需要保持卫星图像的分辨率的一致性和连贯性。
S11:卫星图像的分辨率稳定系数REWx的获取方式为:
S111:获取T时间内不同时段的卫星图像的分辨率,t表示T时间内不同时段的网络传输速率的编号,t=1、2、3、4、……、n,n为正整数;
需要说明的是,卫星图像的分辨率可通过图像编辑软件或专用的图像属性查看器进行读取;
S112:通过T时间内不同时段的卫星图像的分辨率计算卫星图像的分辨率稳定系数REWx,计算公式如下:
。
卫星链路带宽稳定性对于卫星图像的精度具有重要影响,以下是一些可能的影响:
图像传输速度:卫星链路的带宽稳定性直接影响图像传输的速度,如果带宽不稳定,传输过程可能会受到延迟或中断的影响,从而导致图像传输变慢或失败,这可能会导致图像数据的丢失或不完整,降低了图像的精度和质量;
压缩率和数据丢失:为了适应有限的带宽,卫星图像在传输之前通常需要进行数据压缩,带宽稳定性的变化可能会导致图像数据压缩率的变化,使得一些重要的细节在传输过程中丢失,这可能导致图像精度的下降,特别是在需要高分辨率和高质量图像的应用中;
图像处理和分析:卫星图像通常需要进行进一步的处理和分析,以提取有用的信息,例如,遥感图像可能需要进行地物分类、目标检测和变化检测等分析,带宽稳定性的问题可能导致图像数据在处理和分析过程中的丢失或错误,这可能会对图像分析和应用的准确性和可靠性产生负面影响;
实时应用分析:带宽稳定性的变化可能导致数据传输和处理时间的增加,从而降低了实时应用的准确性和效率。
因此,卫星链路的带宽稳定性对于卫星图像的精度和可靠性具有关键影响。稳定的带宽可以确保图像传输的顺利进行,并保证图像数据的完整性和质量,从而提高图像的精度和适用性。
S12:卫星链路带宽稳定系数DKWx的获取方式为:
S121:获取T时间内不同时段的卫星链路带宽,t表示T时间内不同时段的网络传输速率的编号,t=1、2、3、4、……、n,n为正整数;
需要说明的是,使用网络性能测试工具可以测量卫星链路上的带宽,这些工具可以通过发送和接收数据包来评估链路的传输速度,常用的网络性能测试工具包括iPerf、Speedtest等;或者,使用网络协议分析器(例如Wireshark)捕获和分析卫星链路上的网络流量,通过分析流量确定链路上的实际传输速率和带宽利用情况;
S122:通过T时间内不同时段的卫星链路带宽计算卫星链路带宽稳定系数DKWx,计算公式如下:
。
S2:采集航空摄影图像精度影响参数:在无人机大范围航空摄影过程中,获取航拍摄像机的帧率稳定系数HZWx、锐度稳定系数HRWx,具体如下:
帧率是指每秒钟显示的图像帧数,决定了摄像机在单位时间内拍摄到的图像数量,在航拍地形图生成中,帧率稳定性的影响主要有两个方面:
角度偏差:帧率不稳定的摄像机可能在连续帧之间存在不同程度的视角偏移,这种视角偏移可能导致图像畸变,使地形图在特定区域或特定角度下存在误差,稳定帧率的摄像机可以减少这种角度偏差,提供更准确的图像数据;
数据处理:帧率低且不稳定的摄像机可能导致数据处理和图像拼接方面的挑战,对于航拍影像,通常需要对连续的图像进行拼接以生成完整的地形图,不稳定的帧率可能导致图像拼接过程中的不连贯或畸变现象,从而影响拼接的准确性和结果的质量。
因此,对于地形图精度而言,航拍摄像机的帧率稳定性至关重要,高稳定的帧率可以提供更多的空间和时间信息,从而提高地形图的空间分辨率、时序分辨率和整体精度。
S21:航拍摄像机的帧率稳定系数HZWx的获取方式为:
S211:获取T时间内不同时段的航拍摄像机帧率,t表示T时间内不同时段的航拍摄像机帧率的编号,t=1、2、3、4、……、n,n为正整数;
S212:计算T时间内不同时段的航拍摄像机帧率的平均值,计算公式如下:
;
S213:根据T时间内不同时段的航拍摄像机帧率的平均值以及航拍摄像头帧率计算帧率稳定系数HZWx,计算公式如下:
。
航拍摄像机的锐度稳定性对所生成的地形图有着重要的影响:
地形图细节:摄像机的锐度稳定性决定了图像的清晰度和细节丰富度,如果摄像机锐度稳定性较差,可能导致图像模糊或失真,从而降低地形图的清晰度和细节水平,会影响地形图中物体的识别、分类和测量等操作,可能导致地形图的精度下降;
特征提取和匹配:在地形图生成过程中,通常需要对图像进行特征提取和匹配,以识别地物、进行配准等,摄像机的锐度稳定性直接影响这些特征提取和匹配的质量,如果摄像机锐度稳定性较差,图像中的特征可能模糊或不清晰,导致特征提取和匹配的准确性下降,进而影响地形图的精度;
视觉重建:航拍图像通常用于进行三维视觉重建,生成地形图的三维模型或点云数据,摄像机的锐度稳定性对于视觉重建的精度和质量至关重要,如果摄像机的锐度稳定性较差,可能导致视觉重建过程中的图像对齐不准确,重建结果可能存在误差或模糊现象,影响地形图的准确性和真实性;
视觉测量:地形图中的测量任务,如距离测量、面积测量等,也受到摄像机的锐度稳定性的影响,稳定的图像能够提供更准确的测量结果,而模糊或失真的图像则会导致测量误差增加;
因此,航拍摄像机的锐度稳定性对于生成高精度地形图至关重要,稳定的图像质量能提供清晰、准确的数据,有助于更精确地进行地形图构建、分析和应用。
S22:航拍摄像机的锐度稳定系数HRWx的获取方式为:
S221:获取T时间内不同时段的航拍摄像机锐度,t表示T时间内不同时段的摄像锐度的编号,t=1、2、3、4、……、n,n为正整数;
S222:计算T时间内不同时段的航拍摄像机锐度平均值,计算公式如下:
;
S223:根据T时间内不同时段的航拍摄像机锐度平均值以及航拍摄像机锐度计算锐度稳定系数HRWx,计算公式如下:
。
S3:采集激光雷达数据精度影响参数:在激光雷达采集数据过程中,获取激光雷达的角分辨率稳定系数JFWx、扫描频率稳定系数SPWx,具体如下:
激光雷达的角分辨率稳定性对所生成的地形图精度有着重要的影响,角分辨率是指激光雷达能够分辨两个目标之间的最小角度差异,其稳定性则表示这个角度分辨率的值在各种情况下能够保持相对一致和可靠。当激光雷达的角分辨率稳定性较高时,意味着它能够更准确地分辨目标之间的微小角度差异,这对于建立高精度的地形图非常重要。如果角度分辨率稳定性较差,意味着激光雷达在不同条件下可能会出现分辨率的变化,导致生成的地形图精度下降。高角分辨率稳定性的激光雷达能够更准确地捕捉目标的细节和几何形状,从而生成更准确的地形图,例如,在构建三维地形图时,高角分辨率稳定性的激光雷达可以更精确地确定物体的边界和形状。此外,激光雷达的角度分辨率稳定性还会影响其在时间轴上的连续性,如果稳定性较低,角度分辨率可能会随时间产生变化,导致地形图的不连续或不一致性。
因此,激光雷达的角分辨率稳定性对于所生成的地形图精度具有重要影响,稳定性较高的角分辨率有助于提高地形图的精确性、一致性和连续性,这是激光雷达技术在各种应用中取得高精度地形图的关键因素之一。
S31:激光雷达的角分辨率稳定系数JFWx的获取方式为:
S311:获取T时间内不同时段的激光雷达的角分辨率,t表示T时间内不同时段的激光雷达的角分辨率的编号,t=1、2、3、4、……、n,n为正整数;
需要说明的是,激光雷达的角分辨率测定通常需要进行仪器校准和实验验证,以下为常见测定方法:
仪器校准:在进行角分辨率测定之前,首先需要对激光雷达进行校准,以确保其内部的参数和设置是准确的。这包括激光发射器、探测器和相关的电子设备的校准;
角度目标设置:根据需要测定的角分辨率范围,选择一个恰当的目标(目标可以是一个反射物体、一根棍子或者具有一定几何形状的物体),并将其放置在与激光雷达的测量平面上;
测量数据采集:使用激光雷达设备进行测量,将激光雷达调整到所需的扫描模式和角度范围,确保激光束能够覆盖目标区域,以所需的间隔采集激光雷达返回的数据,包括雷达返回的目标强度和位置信息;
数据处理:对采集到的数据进行处理以获得目标位置的角度信息,可以使用信号处理方法,如卷积、傅里叶变换或相关分析,以提取出目标的角度信息;
角分辨率计算:根据采集到的数据和数据处理结果,计算出激光雷达***的角分辨率;
S312:计算T时间内不同时段的激光雷达角分辨率的平均值,计算公式如下:
;
S313:根据T时间内不同时段的激光雷达角分辨率的平均值以及激光雷达角分辨率/>计算角分辨率稳定系数JFWx,计算公式如下:
。
在激光雷达中,扫描频率是指每秒钟进行激光束扫描的次数。扫描频率的稳定性对所生成的地形图精度有重要影响,以下是其影响的几个方面:
点云分辨率:扫描频率的稳定性直接关系到激光雷达采集的点云数据的分辨率。较高的扫描频率能够更快地采集到大量的点云数据,从而获得更为细致、精确的地形图细节信息。
地形图配准准确性:在建立地形图时,需要将多次扫描的点云数据进行配准,即将它们在空间中对齐。如果扫描频率不稳定,可能导致点云数据之间的时间差异增大,从而增加了配准的误差。稳定的扫描频率能够减小时间差异,提高地形图的配准准确性。
运动畸变:激光雷达通常安装在机器人或车辆上进行地形图构建,高稳定性的扫描频率可以减小运动带来的畸变影响。当扫描频率稳定时,采集到的点云数据在时间上更为均匀分布,可以更准确地还原出环境的几何结构。
障碍物检测和跟踪:稳定的扫描频率使得激光雷达能够更好地检测和跟踪移动障碍物。通过连续、稳定的扫描能够捕捉到障碍物的运动轨迹和变化,在机器人导航和避障等应用中具有重要作用。
因此,激光雷达中扫描频率的稳定性直接关系到地形图构建的精度和质量,稳定的扫描频率能够提高点云数据的分辨率、减小配准误差、减小运动畸变影响,并有助于障碍物的检测和跟踪。
S32:激光雷达的扫描频率稳定系数的获取方式为:
S321:获取T时间内不同时段的激光雷达的扫描频率,t表示T时间内不同时段的激光雷达的角分辨率的编号,t=1、2、3、4、……、n,n为正整数;
需要说明的是,扫描频率可通过如下几种方法进行测定:
观察点云数据:使用激光雷达获取点云数据,然后通过分析数据来计算扫描频率。激光雷达在进行扫描时会发射多个激光束,这些激光束在不同的时间点被反射回来,形成点云数据。通过分析点云数据中的时间戳信息,选择一个参考点或目标,观察它在点云中的多个位置,计算这些位置之间距离变化所需要的时间,然后通过测得的时间差来计算扫描频率。
或者使用外部传感器:通过使用外部传感器来测量激光雷达的扫描频率。例如,可以使用一个光敏电阻或光电传感器来检测激光束经过传感器的次数,将外部传感器与激光雷达同步,并记录传感器接收到的信号,可计算出扫描频率。
S322:计算T时间内不同时段的激光雷达扫描频率的平均值,计算公式如下:
;
S323:根据T时间内不同时段的激光雷达扫描频率的平均值以及激光雷达扫描频率/>计算扫描频率稳定系数SPWx,计算公式如下:
。
S4:对S1所获取的获取卫星图像的分辨率稳定系数REWx,以及卫星链路带宽稳定系数DKWx进行数据分析处理,生成卫星图像精度评价指数WTJp,依据的计算公式如下:
;
需要说明的是,上式中,e1、e2分别为卫星图像的分辨率稳定系数REWx、卫星链路带宽稳定系数DKWx的预设比例系数,且>/>>0,e1+e2=1.63,C1为常数修正系数。
S5:对S2所获取的航拍摄像机的帧率稳定系数HZWx、锐度稳定系数HRWx进行数据分析处理,生成航空摄影精度评价指数HSJp,依据的计算公式如下:
;
需要说明的是,上式中,f1、f2分别为航拍摄像机的帧率稳定系数HZWx、航拍摄像机的锐度稳定系数HRWx的预设比例系数,且>/>>0,f1+f2=1.27,C2为常数修正系数。
S6:对S3所获取的激光雷达的角分辨率稳定系数JFWx、扫描频率稳定系数SPWx进行数据分析处理,生成激光雷达精度评价指数LDJp,依据的计算公式如下:
;
需要说明的是,上式中,g1、g2分别为激光雷达的角分辨率稳定系数JFWx,激光雷达的扫描频率稳定系数SPWx的预设比例系数,且0<g2<g1≤1.15。
S7:通过所生成卫星图像精度评价指数WTJp、航空摄影精度评价指数HSJp、激光雷达精度评价指数LDJp分别与卫星图像精度评估阈值YWTJ、航空摄影精度评估阈值YHSJ、激光雷达精度评估阈值YLDJ进行对比,判断所获取的卫星图像、航空摄影图像、激光雷达数据是否可信:若全部精度评价指数均在精度评估阈值范围内,表示测绘过程中所获取的图像及数据信息全部可信,并对不同数据源(卫星图像、航空摄影图像、激光雷达数据)进行特征提取、整合和融合,生成基于多源测绘数据的高精度地形图;其他情况,则表示测绘过程中所获取的图像及数据信息并非全部可信,并根据不在精度评估阈值范围内的精度评价指数,发出不同的预警信号;具体地:
当WTJp≤YWTJ且HSJp≤YHSJ且YWTJ≤YLDJ时,说明所获取的卫星图像、航空摄影图像、激光雷达数据等数据信息全部可信,进一步对所获取的不同数据源进行特征提取:对于卫星图像,可以使用遥感图像分类算法来提取不同地物类型(如道路、建筑物、植被等)的信息,对于航空摄影图像,可以使用影像匹配和视差算法提取地物高程信息,对于激光雷达数据,可以利用其点云信息提取地物三维坐标和高程;将所提取的卫星图像、航空摄影图像、激光雷达数据不同数据源的特征信息进行整合和融合:可使用地形图配准算法将不同数据源的地理坐标转换为统一的参考坐标系,然后,将各个数据源的特征信息进行叠加和组合,生成一幅包含多种地物类型和高程信息的综合地形图;最后,对生成的综合地形图进行边缘平滑处理,并填充空白区域、去除重叠信息,获得基于多源测绘数据的高精度地形图。
当WTJp>YWTJ或者/和HSJp>YHSJ或者/和YWTJ>YLDJ时,说明所获取的卫星图像或者/和航空摄影图像或者/和激光雷达数据不可信,并发送至预警模块,发出卫星图像风险信号或者/和航空摄影图像风险信号或者/和激光雷达数据风险信号,以便于工作人员对卫星遥感***或者/和航拍摄像机或者/和激光雷达***进行实时调试、检修。例如:当WTJp>YWTJ而HSJp≤YHSJ与YWTJ≤YLDJ时,说明所获取的卫星图像不可信,而航空摄影图像和激光雷达数据可信,并发送反馈至预警模块,发出卫星图像风险信号,以便于工作人员对卫星遥感***进行实时调试、检修。又例如:当WTJp>YWTJ和HSJp>YHSJ和YWTJ>YLDJ时,说明所获取的卫星图像和航空摄影图像和激光雷达数据全部不可信,并发送反馈至预警模块,发出卫星图像风险信号和航空摄影图像风险信号和激光雷达数据风险信号,以便于工作人员对卫星遥感***以及航拍摄像机或者以及激光雷达***进行实时调试、检修。
本发明还提供另一实施例的基于多源测绘数据的高精度地形图生成***,包括:
卫星图像精度影响参数采集模块,用于获取卫星图像的分辨率稳定系数REWx,以及卫星链路带宽稳定系数DKWx;
航空摄影图像精度影响参数采集模块,用于获取航拍摄像机的帧率稳定系数HZWx、锐度稳定系数HRWx;
激光雷达数据精度影响参数采集模块,用于获取激光雷达的角分辨率稳定系数JFWx、扫描频率稳定系数SPWx;
数据分析处理模块,包括第一数据分析处理模块、第二数据分析处理模块、第三数据分析处理模块;其中,第一数据分析处理模块对卫星图像精度影响参数采集模块所获取的卫星图像的分辨率稳定系数REW以及卫星链路带宽稳定系数DKWx进行数据分析处理,生成卫星图像精度评价指数WTJp;第二数据分析处理模块对航空摄影图像精度影响参数采集模块所获取的航拍摄像机的帧率稳定系数HZWx、锐度稳定系数HRWx进行数据分析处理,生成航空摄影精度评价指数HSJp;第三数据分析处理模块对激光雷达数据精度影响参数采集模块所获取的激光雷达的角分辨率稳定系数JFWx、扫描频率稳定系数SPWx进行数据分析处理,生成激光雷达精度评价指数LDJp;
综合分析处理模块,通过数据分析处理模块所生成卫星图像精度评价指数WTJp、航空摄影精度评价指数HSJp、激光雷达精度评价指数LDJp分别与卫星图像精度评估阈值YWTJ、航空摄影精度评估阈值YHSJ、激光雷达精度评估阈值YLDJ进行对比,判断所获取的卫星图像、航空摄影图像、激光雷达数据是否可信:若全部精度评价指数均在精度评估阈值范围内,表示测绘过程中所获取的图像及数据信息全部可信,并对不同数据源(卫星图像、航空摄影图像、激光雷达数据)进行特征提取、整合和融合,生成基于多源测绘数据的高精度地形图;具体地:
当WTJp≤YWTJ且HSJp≤YHSJ且YWTJ≤YLDJ时,说明所获取的卫星图像、航空摄影图像、激光雷达数据等数据信息全部可信,进一步对所获取的不同数据源进行特征提取:对于卫星图像,可以使用遥感图像分类算法来提取不同地物类型(如道路、建筑物、植被等)的信息,对于航空摄影图像,可以使用影像匹配和视差算法提取地物高程信息,对于激光雷达数据,可以利用其点云信息提取地物三维坐标和高程;将所提取的卫星图像、航空摄影图像、激光雷达数据不同数据源的特征信息进行整合和融合:可使用地形图配准算法将不同数据源的地理坐标转换为统一的参考坐标系,然后,将各个数据源的特征信息进行叠加和组合,生成一幅包含多种地物类型和高程信息的综合地形图;最后,对生成的综合地形图进行边缘平滑处理,并填充空白区域、去除重叠信息,获得基于多源测绘数据的高精度地形图;
其他情况,则表示测绘过程中所获取的图像及数据信息并非全部可信,并发送至预警模块;具体地:
当WTJp>YWTJ或者/和HSJp>YHSJ或者/和YWTJ>YLDJ时,说明所获取的卫星图像或者/和航空摄影图像或者/和激光雷达数据不可信,并发送至预警模块;
预警模块,根据不在精度评估阈值范围内的精度评价指数,发出不同的预警信号;具体地:
当WTJp>YWTJ或者/和HSJp>YHSJ或者/和YWTJ>YLDJ时,预警模块发出卫星图像风险信号或者/和航空摄影图像风险信号或者/和激光雷达数据风险信号,以便于工作人员对卫星遥感***或者/和航拍摄像机或者/和激光雷达***进行实时调试、检修。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质。半导体介质可以是固态硬盘。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的***、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种航道水下地形变化分析***及方法逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
最后:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所作的任何修改等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于多源测绘数据的高精度地形图生成方法,其特征在于:通过采集测绘过程中的不同精度影响参数,包括卫星图像、航空摄影图像及激光雷达数据精度影响参数,其中,卫星图像精度影响参数包括卫星图像的分辨率稳定系数、卫星链路带宽稳定系数,航空摄影图像精度影响参数包括航拍摄像机的帧率稳定系数、锐度稳定系数,激光雷达数据精度影响参数包括激光雷达的角分辨率稳定系数、扫描频率稳定系数,并进一步数据分析处理,生成卫星图像、航空摄影、激光雷达精度评价指数,并通过不同精度评价指数与不同精度评估阈值进行比对,判断所获取的卫星图像、航空摄影图像、激光雷达数据是否可信:若全部精度评价指数均在精度评估阈值范围内,表示测绘过程中所获取的图像及数据信息全部可信,并进行特征提取、整合和融合,生成基于多源测绘数据的高精度地形图。
2.根据权利要求1所述的一种基于多源测绘数据的高精度地形图生成方法,其特征在于,包括以下步骤:
S1:采集卫星图像精度影响参数:在卫星遥感监测过程中,获取卫星图像的分辨率稳定系数REWx,以及卫星链路带宽稳定系数DKWx;
S2:采集航空摄影图像精度影响参数:在无人机大范围航空摄影过程中,获取航拍摄像机的帧率稳定系数HZWx、锐度稳定系数HRWx;
S3:采集激光雷达数据精度影响参数:在激光雷达采集数据过程中,获取激光雷达的角分辨率稳定系数JFWx、扫描频率稳定系数SPWx;
S4:对S1所获取的获取卫星图像的分辨率稳定系数REWx,以及卫星链路带宽稳定系数DKWx进行数据分析处理,生成卫星图像精度评价指数WTJp;
S5:对S2所获取的航拍摄像机的帧率稳定系数HZWx、锐度稳定系数HRWx进行数据分析处理,生成航空摄影精度评价指数HSJp;
S6:对S3所获取的激光雷达的角分辨率稳定系数JFWx、扫描频率稳定系数SPWx进行数据分析处理,生成激光雷达精度评价指数LDJp;
S7:通过所生成卫星图像精度评价指数WTJp、航空摄影精度评价指数HSJp、激光雷达精度评价指数LDJp分别与卫星图像精度评估阈值YWTJ、航空摄影精度评估阈值YHSJ、激光雷达精度评估阈值YLDJ进行对比,判断所获取的卫星图像、航空摄影图像、激光雷达数据是否可信:若全部精度评价指数均在精度评估阈值范围内,表示测绘过程中所获取的图像及数据信息全部可信,并对卫星图像、航空摄影图像、激光雷达数据不同数据源进行特征提取、整合和融合,生成基于多源测绘数据的高精度地形图;其他情况,则表示测绘过程中所获取的图像及数据信息并非全部可信,并根据不在精度评估阈值范围内的精度评价指数,发出不同的预警信号。
3.根据权利要求2所述的一种基于多源测绘数据的高精度地形图生成方法,其特征在于,S1:采集卫星图像精度影响参数:在卫星遥感监测过程中,获取卫星图像的分辨率稳定系数REWx,以及卫星链路带宽稳定系数DKWx,具体为:
S11:卫星图像的分辨率稳定系数REWx的获取方式为:
S111:获取T时间内不同时段的卫星图像的分辨率,t表示T时间内不同时段的网络传输速率的编号,t=1、2、3、4、……、n,n为正整数;
S112:通过T时间内不同时段的卫星图像的分辨率计算卫星图像的分辨率稳定系数REWx,计算公式如下:
;
S12:卫星链路带宽稳定系数DKWx的获取方式为:
S121:获取T时间内不同时段的卫星链路带宽,t表示T时间内不同时段的网络传输速率的编号,t=1、2、3、4、……、n,n为正整数;
S122:通过T时间内不同时段的卫星链路带宽计算卫星链路带宽稳定系数DKWx,计算公式如下:
。
4.根据权利要求2所述的一种基于多源测绘数据的高精度地形图生成方法,其特征在于,S2:采集航空摄影图像精度影响参数:在无人机大范围航空摄影过程中,获取航拍摄像机的帧率稳定系数HZWx、锐度稳定系数HRWx,具体为:
S21:航拍摄像机的帧率稳定系数HZWx的获取方式为:
S211:获取T时间内不同时段的航拍摄像机帧率,t表示T时间内不同时段的航拍摄像机帧率的编号,t=1、2、3、4、……、n,n为正整数;
S212:计算T时间内不同时段的航拍摄像机帧率的平均值,计算公式如下:
;
S213:根据T时间内不同时段的航拍摄像机帧率的平均值以及航拍摄像头帧率/>计算帧率稳定系数HZWx,计算公式如下:
;
S22:航拍摄像机的锐度稳定系数HRWx的获取方式为:
S221:获取T时间内不同时段的航拍摄像机锐度,t表示T时间内不同时段的摄像锐度的编号,t=1、2、3、4、……、n,n为正整数;
S222:计算T时间内不同时段的航拍摄像机锐度平均值,计算公式如下:
;
S223:根据T时间内不同时段的航拍摄像机锐度平均值以及航拍摄像机锐度/>计算锐度稳定系数HRWx,计算公式如下:
。
5.根据权利要求2所述的一种基于多源测绘数据的高精度地形图生成方法,其特征在于,S3:采集激光雷达数据精度影响参数:在激光雷达采集数据过程中,获取激光雷达的角分辨率稳定系数JFWx、扫描频率稳定系数SPWx,具体为:
S31:激光雷达的角分辨率稳定系数JFWx的获取方式为:
S311:获取T时间内不同时段的激光雷达的角分辨率,t表示T时间内不同时段的激光雷达的角分辨率的编号,t=1、2、3、4、……、n,n为正整数;
S312:计算T时间内不同时段的激光雷达角分辨率的平均值,计算公式如下:
;
S313:根据T时间内不同时段的激光雷达角分辨率的平均值以及激光雷达角分辨率计算角分辨率稳定系数JFWx,计算公式如下:
;
S32:激光雷达的扫描频率稳定系数的获取方式为:
S321:获取T时间内不同时段的激光雷达的扫描频率,t表示T时间内不同时段的激光雷达的角分辨率的编号,t=1、2、3、4、……、n,n为正整数;
S322:计算T时间内不同时段的激光雷达扫描频率的平均值,计算公式如下:
;
S323:根据T时间内不同时段的激光雷达扫描频率的平均值以及激光雷达扫描频率计算扫描频率稳定系数SPWx,计算公式如下:
。
6.根据权利要求2所述的一种基于多源测绘数据的高精度地形图生成方法,其特征在于,S4:对S1所获取的获取卫星图像的分辨率稳定系数REWx,以及卫星链路带宽稳定系数DKWx进行数据分析处理,生成卫星图像精度评价指数WTJp,依据的计算公式如下:
;
上式中,e1、e2分别为卫星图像的分辨率稳定系数REWx、卫星链路带宽稳定系数DKWx的预设比例系数,且>/>>0,e1+e2=1.63,C1为常数修正系数。
7.根据权利要求2所述的一种基于多源测绘数据的高精度地形图生成方法,其特征在于,S5:对S2所获取的航拍摄像机的帧率稳定系数HZWx、锐度稳定系数HRWx进行数据分析处理,生成航空摄影精度评价指数HSJp,依据的计算公式如下:
;
上式中,f1、f2分别为航拍摄像机的帧率稳定系数HZWx、航拍摄像机的锐度稳定系数HRWx的预设比例系数,且>/>>0,f1+f2=1.27,C2为常数修正系数。
8.根据权利要求2所述的一种基于多源测绘数据的高精度地形图生成方法,其特征在于,S6:对S3所获取的激光雷达的角分辨率稳定系数JFWx、扫描频率稳定系数SPWx进行数据分析处理,生成激光雷达精度评价指数LDJp,依据的计算公式如下:
;
上式中,g1、g2分别为激光雷达的角分辨率稳定系数JFWx,激光雷达的扫描频率稳定系数SPWx的预设比例系数,且0<g2<g1≤1.15。
9.根据权利要求8所述的一种基于多源测绘数据的高精度地形图生成方法,其特征在于,若全部精度评价指数均在精度评估阈值范围内,表示测绘过程中所获取的图像及数据信息全部可信,并对卫星图像、航空摄影图像、激光雷达数据不同数据源进行特征提取、整合和融合,生成基于多源测绘数据的高精度地形图;其他情况,则表示测绘过程中所获取的图像及数据信息并非全部可信,并根据不在精度评估阈值范围内的精度评价指数,发出不同的预警信号,具体为:
当WTJp≤YWTJ且HSJp≤YHSJ且YWTJ≤YLDJ时,说明所获取的卫星图像、航空摄影图像、激光雷达数据等数据信息全部可信,进一步对所获取的卫星图像、航空摄影图像、激光雷达数据不同数据源进行特征提取,并使用地形图配准算法将不同数据源的地理坐标转换为统一的参考坐标系,然后,将各个数据源的特征信息进行叠加和组合,再进行边缘平滑处理,并填充空白区域、去除重叠信息,生成基于多源测绘数据的高精度地形图;
当WTJp>YWTJ或者/和HSJp>YHSJ或者/和YWTJ>YLDJ时,说明所获取的卫星图像或者/和航空摄影图像或者/和激光雷达数据不可信,并发送至预警模块,发出卫星图像风险信号或者/和航空摄影图像风险信号或者/和激光雷达数据风险信号。
10.一种基于多源测绘数据的高精度地形图生成***,包括:
卫星图像精度影响参数采集模块,用于获取卫星图像的分辨率稳定系数REWx,以及卫星链路带宽稳定系数DKWx;
航空摄影图像精度影响参数采集模块,用于获取航拍摄像机的帧率稳定系数HZWx、锐度稳定系数HRWx;
激光雷达数据精度影响参数采集模块,用于获取激光雷达的角分辨率稳定系数JFWx、扫描频率稳定系数SPWx;
数据分析处理模块,包括第一数据分析处理模块、第二数据分析处理模块、第三数据分析处理模块;其中,第一数据分析处理模块对卫星图像精度影响参数采集模块所获取的卫星图像的分辨率稳定系数REW以及卫星链路带宽稳定系数DKWx进行数据分析处理,生成卫星图像精度评价指数WTJp;第二数据分析处理模块对航空摄影图像精度影响参数采集模块所获取的航拍摄像机的帧率稳定系数HZWx、锐度稳定系数HRWx进行数据分析处理,生成航空摄影精度评价指数HSJp;第三数据分析处理模块对激光雷达数据精度影响参数采集模块所获取的激光雷达的角分辨率稳定系数JFWx、扫描频率稳定系数SPWx进行数据分析处理,生成激光雷达精度评价指数LDJp;
综合分析处理模块,通过数据分析处理模块所生成卫星图像精度评价指数WTJp、航空摄影精度评价指数HSJp、激光雷达精度评价指数LDJp分别与卫星图像精度评估阈值YWTJ、航空摄影精度评估阈值YHSJ、激光雷达精度评估阈值YLDJ进行对比,判断所获取的卫星图像、航空摄影图像、激光雷达数据是否可信:若全部精度评价指数均在精度评估阈值范围内,表示测绘过程中所获取的图像及数据信息全部可信,并进行特征提取、整合和融合,生成基于多源测绘数据的高精度地形图;其他情况,则表示测绘过程中所获取的图像及数据信息并非全部可信,并发送至预警模块;
预警模块,根据不在精度评估阈值范围内的精度评价指数,发出不同的预警信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310896442.8A CN116625354B (zh) | 2023-07-21 | 2023-07-21 | 一种基于多源测绘数据的高精度地形图生成方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310896442.8A CN116625354B (zh) | 2023-07-21 | 2023-07-21 | 一种基于多源测绘数据的高精度地形图生成方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116625354A true CN116625354A (zh) | 2023-08-22 |
CN116625354B CN116625354B (zh) | 2023-09-29 |
Family
ID=87638552
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310896442.8A Active CN116625354B (zh) | 2023-07-21 | 2023-07-21 | 一种基于多源测绘数据的高精度地形图生成方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116625354B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117171533A (zh) * | 2023-11-02 | 2023-12-05 | 山东省国土测绘院 | 一种地理测绘作业数据实时采集处理方法及*** |
CN117423013A (zh) * | 2023-12-18 | 2024-01-19 | 四川省能源地质调查研究所 | 基于地质大数据的成矿潜力预测方法 |
CN117557681A (zh) * | 2024-01-09 | 2024-02-13 | 山东鲁邦地理信息工程有限公司 | 一种基于多源测绘数据的高精度地形图生成方法及装置 |
CN117909703A (zh) * | 2024-03-18 | 2024-04-19 | 山东省国土空间数据和遥感技术研究院(山东省海域动态监视监测中心) | 基于告警阈值触发的数据质量评估方法及*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100473959B1 (ko) * | 2004-12-08 | 2005-03-14 | (주)아세아항측 | 고정확도의 rpc 데이터를 이용한 수치지도의 수정제작방법 |
JP2006195032A (ja) * | 2005-01-12 | 2006-07-27 | Kokusai Kogyo Co Ltd | 地形図作成方法および地形図作成システム |
US20090154793A1 (en) * | 2007-12-17 | 2009-06-18 | Electronics And Telecommunications Research Institute | Digital photogrammetric method and apparatus using intergrated modeling of different types of sensors |
CN108195767A (zh) * | 2017-12-25 | 2018-06-22 | 中国水产科学研究院东海水产研究所 | 河口湿地外来种监测方法 |
CN110763205A (zh) * | 2019-11-05 | 2020-02-07 | 新疆维吾尔自治区测绘科学研究院 | 数字摄影测量***生成边境狭长区域正射影像图的方法 |
CN113052965A (zh) * | 2021-03-02 | 2021-06-29 | 成都正和德能风险管理咨询有限公司 | 三维地形重建方法 |
CN114184173A (zh) * | 2021-12-13 | 2022-03-15 | 自然资源部国土卫星遥感应用中心 | 一种遥感卫星立体影像测图能力综合评估方法 |
CN115937446A (zh) * | 2022-11-28 | 2023-04-07 | 辽宁生态工程职业学院 | 基于ar技术的地形测绘装置及方法 |
-
2023
- 2023-07-21 CN CN202310896442.8A patent/CN116625354B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100473959B1 (ko) * | 2004-12-08 | 2005-03-14 | (주)아세아항측 | 고정확도의 rpc 데이터를 이용한 수치지도의 수정제작방법 |
JP2006195032A (ja) * | 2005-01-12 | 2006-07-27 | Kokusai Kogyo Co Ltd | 地形図作成方法および地形図作成システム |
US20090154793A1 (en) * | 2007-12-17 | 2009-06-18 | Electronics And Telecommunications Research Institute | Digital photogrammetric method and apparatus using intergrated modeling of different types of sensors |
CN108195767A (zh) * | 2017-12-25 | 2018-06-22 | 中国水产科学研究院东海水产研究所 | 河口湿地外来种监测方法 |
CN110763205A (zh) * | 2019-11-05 | 2020-02-07 | 新疆维吾尔自治区测绘科学研究院 | 数字摄影测量***生成边境狭长区域正射影像图的方法 |
CN113052965A (zh) * | 2021-03-02 | 2021-06-29 | 成都正和德能风险管理咨询有限公司 | 三维地形重建方法 |
CN114184173A (zh) * | 2021-12-13 | 2022-03-15 | 自然资源部国土卫星遥感应用中心 | 一种遥感卫星立体影像测图能力综合评估方法 |
CN115937446A (zh) * | 2022-11-28 | 2023-04-07 | 辽宁生态工程职业学院 | 基于ar技术的地形测绘装置及方法 |
Non-Patent Citations (2)
Title |
---|
曹林;许子乾;代劲松;王靖琦;羌鑫林;佘光辉;: "基于LiDAR和CCD数据的地形与建筑提取方法优化及精度评价", 遥感技术与应用, no. 01 * |
郑云梅;吴洁;张胜雷;王强;赵永鹏;: "基于多数据源的高精度城市地表高程提取研究", 中国建设信息化, no. 08 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117171533A (zh) * | 2023-11-02 | 2023-12-05 | 山东省国土测绘院 | 一种地理测绘作业数据实时采集处理方法及*** |
CN117171533B (zh) * | 2023-11-02 | 2024-01-16 | 山东省国土测绘院 | 一种地理测绘作业数据实时采集处理方法及*** |
CN117423013A (zh) * | 2023-12-18 | 2024-01-19 | 四川省能源地质调查研究所 | 基于地质大数据的成矿潜力预测方法 |
CN117423013B (zh) * | 2023-12-18 | 2024-02-23 | 四川省能源地质调查研究所 | 基于地质大数据的成矿潜力预测方法 |
CN117557681A (zh) * | 2024-01-09 | 2024-02-13 | 山东鲁邦地理信息工程有限公司 | 一种基于多源测绘数据的高精度地形图生成方法及装置 |
CN117557681B (zh) * | 2024-01-09 | 2024-04-16 | 山东鲁邦地理信息工程有限公司 | 一种基于多源测绘数据的高精度地形图生成方法及装置 |
CN117909703A (zh) * | 2024-03-18 | 2024-04-19 | 山东省国土空间数据和遥感技术研究院(山东省海域动态监视监测中心) | 基于告警阈值触发的数据质量评估方法及*** |
CN117909703B (zh) * | 2024-03-18 | 2024-05-31 | 山东省国土空间数据和遥感技术研究院(山东省海域动态监视监测中心) | 基于告警阈值触发的数据质量评估方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN116625354B (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116625354B (zh) | 一种基于多源测绘数据的高精度地形图生成方法及*** | |
CN110033489B (zh) | 一种车辆定位准确性的评估方法、装置及设备 | |
US20090154793A1 (en) | Digital photogrammetric method and apparatus using intergrated modeling of different types of sensors | |
CN109813335B (zh) | 数据采集***的标定方法、装置、***及存储介质 | |
KR100529401B1 (ko) | 합성 개구 레이더 영상을 이용한 수치표고자료 제작 장치및 그 방법 | |
Hebel et al. | Simultaneous calibration of ALS systems and alignment of multiview LiDAR scans of urban areas | |
Wang et al. | Automated road sign inventory system based on stereo vision and tracking | |
CN109556569B (zh) | 地形图测绘方法及装置 | |
CN106526593A (zh) | 基于sar严密成像模型的子像素级角反射器自动定位方法 | |
CN110515110B (zh) | 数据评估的方法、装置、设备和计算机可读存储介质 | |
CN110232683A (zh) | 一种基于无人机点云的滑坡检测方法 | |
CN110986888A (zh) | 一种航空摄影一体化方法 | |
CN112446844B (zh) | 一种基于点云特征提取与配准融合方法 | |
CN115451948A (zh) | 一种基于多传感器融合的农业无人车定位里程计方法及*** | |
Fasiolo et al. | Comparing LiDAR and IMU-based SLAM approaches for 3D robotic mapping | |
CN115937446A (zh) | 基于ar技术的地形测绘装置及方法 | |
Kersting | Quality assurance of multi-sensor systems | |
CN111006645A (zh) | 基于运动与结构重建的无人机测绘方法 | |
Xu et al. | Error analysis and accuracy assessment of mobile laser scanning system | |
Al-Durgham | The registration and segmentation of heterogeneous Laser scanning data | |
CN114429515A (zh) | 一种点云地图构建方法、装置和设备 | |
Zhang et al. | Rigorous lidar strip adjustment with triangulated aerial imagery | |
Hrabar et al. | PTZ camera pose estimation by tracking a 3D target | |
Guo et al. | Research on 3D geometric modeling of urban buildings based on airborne lidar point cloud and image | |
CN117433511B (zh) | 一种多传感器融合定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |